至顶网软件频道消息: 今年的SAP SAPPHIRE大会并没有大型的公告。当你拥有如此广泛而深入的安装基础时,你最不想做的事情就是让你的客户傻了眼。但是SAP Business Suite标准支持的谢幕时刻日益临近——现在已经有八年的时间了,并且还在继续——SAP的董事长Hasso Plattner宣布它的替代品——S/4HANA现在已经基本上功能齐备了。
像Oracle一样,SAP也在推广云作为新用户合乎逻辑的目的地,而新功能正是以云计算为优先的。但是相似之处到此为止。Oracle预计到2025年,其80-90%的工作量将在云中运行,而SAP则更加看好混合云的未来。尽管云计算比内部部署的数据中心更为安全的观点得到了很好的论证,但仍然存在着一些行业——诸如医疗保健和金融服务等行业,由于监管或内部保护客户数据的政策的原因,还是倾向于将数据保存在内部部署的环境中。
双方是南辕北辙。Oracle在自己的云数据中心运行自己的应用程序,而SAP则采取更加多样化的方法。SAP为其托管HANA Enterprise Cloud服务使用了SAP Cloud Platform,但是现在将允许用户在他们选择的公共云中通过Cloud Foundry implementation运行HANA或S/4HANA;AWS是Cloud Foundry SAP支持的第一家云计算供应商,随后是Azure和Google Cloud。
同样的变化也适用于应用程序。 Oracle的架构更加一致,建立在一个单一的代码库和数据库上。作为一系列收购的结果,SAP变化多样。S/4HANA是旗舰产品。然后还有其他一些产品,诸如SAP Business One、SAP Business ByDesign、Ariba和Success Factors。虽然SAP有可能为S/4HANA 扩充诸如采购等重叠的功能,但是现有的SAP SaaS服务可能仍然会存在下去。
考虑到Plattner尽可能避免数据移动的法则,这给SAP带来了一个挑战。因此,当你在S / 4HANA应用程序中使用财务和规划时,在Ariba中采购以及在Success Factors中使用人力资本管理,可以通过松散耦合的消息风格集成来获得真相的单一图景。
但柠檬汁是由柠檬制成的。SAP的多极应用生态系统是管理异构世界中集成的良好做法。在这里,SAP的战略是一项正在进行的工作。在HANA Vora联合大数据查询以及与Smart Data Access联合数据存储方面,已经大量投入。这就提出了在联合、异构环境中哪家供应商将拥有查询并保证结果是基于验证数据的问题。SAP在下午晚些时候的展厅主题演讲中提出了广泛的提示,表示它将采取积极的方法来管理和监控用于共享数据的管道。
这是2017年,企业解决方案供应商忽视了人工智能的危险。尽管有点迟到,SAP还是在去年秋天加入战团,在SAP Analytics Cloud中加入了预测分析和一些机器学习功能,为数据的发现、转换和制图提供了指导性体验。SAP产品不是主要云提供商基于云的机器学习服务的替代品;相反,它与IBM Watson Analytics和Amazon QuickSight的竞争更加激烈。
正如Asha McLean所报道的,SAP现在正在开发一款基于服务的产品,该产品已经被命名为Leonardo。Hasso Plattner在一位分析师听众面前解释说Leonardo不是一个产品。从我们在SAPPHIRE的观察中可以看出,这是在这次展会上推广力度最大同时也是最不被了解的产品。在几乎每次分组会议和我们参加的新闻/媒体简报会上,“什么是Leonardo?”这个问题都被不断地提出来。
Leonardo原本是SAP构建物联网智能应用的总品牌。现在则包含了更多的东西。目前,Leonardo是一款结合了服务和工具的产品,涉及SAP与客户的磋商以帮助识别扩展其核心企业系统的智能应用的需求和机会。它是SAP战略的一部分,其下一代企业应用程序和云服务的所有自定义和添加功能将是扩展,通过API将保持底层代码库完好无缺。这一策略来自传统SAP R/3 ERP用户的宝贵经验,由于需要围绕客户端定制基础的ABAP代码,常规升级过程复杂且成本高昂。
我们看到了一款服装零售应用程序的几个演示,一个女人站在屏幕面前,根据她的客户旅程,系统会给出供选择的服装。或者航空公司可以在机场监控并优化航站楼的运营,以预测客户流量。 “The SAP Leonardo Experience”的多媒体展览吸引了无数的观众。
SAP的下一步是创建垂直行业模板,推动Leonardo人工智能应用程序构建。这是一个积极的步骤,让SAP专注于这一领域并找出可能产生的下一波人工智能应用程序的地方。但是在我们看来,目前品牌化可能有点为时尚早,因为它提高了客户对实际包装产品的期望。
好文章,需要你的鼓励
慕尼黑大学联合多所知名院校的研究团队发现,AI深度研究助手虽然能力强大,但存在严重安全漏洞。通过"计划注入"和"意图劫持"两种新攻击方法,这些AI助手可能绕过安全防护,生成比普通AI更详细、更危险的有害内容。研究测试了六款主流AI模型,发现在医学等敏感领域风险尤其突出。团队开发了新的安全评估框架并提出多层防护建议。
谷歌推出升级版图像生成模型Nano Banana Pro,基于最新Gemini 3语言模型构建。新模型支持更高分辨率(2K/4K)、准确文本渲染、网络搜索功能,并提供专业级图像控制能力,包括摄像角度、场景光照、景深等。虽然质量更高但成本也相应增加,1080p图像费用为0.139美元。模型已集成到Gemini应用、NotebookLM等多个谷歌AI工具中,并通过API向开发者开放。
牛津大学研究团队发现了针对AI推理安全系统的四种"黑科技"攻击方法,能以超过90%的成功率让最先进的安全防护失效。这些方法利用AI对话模板的结构性缺陷,从简单的符号插入到复杂的推理劫持,门槛极低但威力巨大。研究揭示了当前AI安全架构的根本性问题,特别是在开源AI时代,这些漏洞的影响范围前所未有。